W poprzednim eseju pokazaliśmy, że agent zakupowy czyta dane, nie strony — i że na typowej polskiej karcie produktu tych danych nie ma. Od tamtej pory mierzymy dalej. Okazało się, że „brak danych" to nie jedna choroba. To cztery różne — i każda wymaga innej terapii.
Field notes · sierpień 2026
Kiedy agent nie poleca produktu, sprzedawca słyszy zwykle jedną diagnozę: „popraw opisy". Nasze pomiary mówią co innego. Ten sam objaw — agent nie znajduje odpowiedzi na pytania klienta — ma cztery różne przyczyny, leżące w czterech różnych miejscach: w treści, w strukturze, w infrastrukturze i w polityce dostępu. Pomylenie ich oznacza naprawianie nie tego, co zepsute.
Taksonomia widoczności agentowej
Karta uboga
Dane po prostu nie istnieją. Bot czyta stronę bez przeszkód — i nie znajduje składu, przeznaczenia ani warunków zwrotu.
Karta rozsypana
Dane istnieją, ale w złych miejscach: w grafikach, w altach obrazków, w PDF-ach. Technicznie obecne, praktycznie nieczytelne.
Karta niewidoczna
Dane istnieją, ale crawler ich nie dostaje: treść renderowana JavaScriptem albo odcięta zaporą. Bot widzi szkielet.
Widoczność selektywna
Dane dostają tylko wybrani: zweryfikowane boty AI przechodzą, niezweryfikowane dostają zaślepkę. Polityka, nie przypadek.
Stan najpowszechniejszy i najprostszy do naprawy. Strona jest w pełni czytelna dla botów — brakuje w niej po prostu odpowiedzi: dla kogo jest produkt, z czego jest zrobiony, czym różni się wariant od wariantu, co z zwrotem po otwarciu. Terapia jest redakcyjna, nie techniczna: tabela cech zamiast przymiotników, przeznaczenie zamiast sloganu, polityka zwrotów na karcie zamiast w regulaminie. W naszej próbie to właśnie ubóstwo danych odpowiada za medianę w okolicach dwudziestu punktów na sto.
Stan najbardziej podstępny, bo sprzedawca ma poczucie dobrze wykonanej pracy — dane przecież „są". Tabela rozmiarów jest, ale jako obrazek. Kolory wariantów są, ale wyłącznie w tekstach alternatywnych zdjęć. Skład jest, ale w PDF-ie do pobrania. Dla człowieka to detal; dla agenta, który szuka wariantów w danych strukturalnych, a cech w treści, to różnica między istnieniem a nieistnieniem informacji. Na jednej z badanych kart wielkiej platformy modowej znaleźliśmy też odwrotność tego problemu: atrybut wypełniony, tylko błędnie — „długość rękawa: długi rękaw" przy spodniach. Dane rozsypane to także dane, którym nie można ufać; agent porównujący po atrybutach taki błąd powieli albo obniży zaufanie do całej karty.
Trzeci stan nie ma nic wspólnego z jakością opisu. Treść karty renderowana jest JavaScriptem — crawler bez przeglądarki dostaje szkielet aplikacji — albo zaporą, która każdemu nierozpoznanemu botowi serwuje stronę weryfikacji zamiast produktu. Najlepszy opis świata nie istnieje, jeśli odpowiedź serwera go nie zawiera. Terapia jest infrastrukturalna: renderowanie serwerowe, dane strukturalne w źródłowym HTML, reguły zapory świadome botów agentowych. W naszych pomiarach ten stan dotyczył głównie największych graczy — skala nie chroni przed niewidzialnością; bywa, że ją funduje.
Czwartego stanu nie planowaliśmy w taksonomii — znalazł nas sam. Jedna z największych sieci elektroniki w Polsce, w pomiarze wyglądająca na w pełni zablokowaną, w pliku robots.txt prowadzi skrupulatnie kuratorowaną politykę: jawnie wpuszcza agentów działających w imieniu klienta i crawlery wyszukiwania AI, a jednocześnie odcina kombajny zbierające dane treningowe. Egzekwuje to zapora weryfikująca boty po infrastrukturze, nie po deklaracji — zweryfikowany agent zakupowy prawdopodobnie widzi te karty normalnie, każdy inny bot dostaje zaślepkę. To nie jest awaria widoczności. To jest polityka widoczności — i naszym zdaniem zapowiedź normy: sklepy przestaną pytać „czy blokować boty", zaczną pytać „które boty i na jakich warunkach". Kto dziś nie umie odpowiedzieć na to pytanie o własny sklep, oddał tę decyzję domyślnym ustawieniom swojej zapory.
Najważniejsza obserwacja z ostatnich pomiarów nie dotyczy jednak żadnego z czterech stanów z osobna. Po sześciu dniach wróciliśmy do tych samych adresów. Nikt w tych sklepach nie „optymalizował pod agenta" — a wyniki drgnęły: jeden sklep zyskał dziesięć punktów, inny stracił cztery, jeszcze inny zmienił zachowanie wobec botów na tyle, że przeskoczył między stanami taksonomii.
# ten sam adres, sześć dni różnicy, zero celowych zmian sklep odzieżowy (dziecięcy) 20/100 → 30/100 +10 sklep z elektroniką (premium) 46/100 → 42/100 −4 sieć elektroniki (masowa) niewidoczna → selektywna # strony produktowe to ruchome cele
Strony produktowe to ruchome cele: rotują warianty, podmieniają się szablony, zmieniają reguły zapór. Widoczność agentowa faluje razem z nimi — bez wiedzy i udziału sprzedawcy. Wniosek praktyczny jest niewygodny, ale prosty: jednorazowy audyt gotowości ma datę ważności. Pytanie „czy mój sklep jest gotowy na agentów" trzeba zastąpić pytaniem „czy wiem, kiedy przestał być gotowy".
Na koniec obowiązkowa uwaga o granicach metody: nie znamy algorytmów żadnego z asystentów zakupowych i nie udajemy, że znamy. Mierzymy to, co mierzalne — czy odpowiedzi na pytania klienta są w danych i czy bot w ogóle może je przeczytać. Kulisy techniczne tych pomiarów, razem z błędami własnego silnika, które po drodze naprawiliśmy, dokumentujemy na bieżąco w Studio iFOX.
Darmowy skaner z naszego silnika badawczego stawia diagnozę: wynik 0–100, stan widoczności, polityka botów AI z robots.txt i konkretne poprawki. Bez rejestracji.
